【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及验证注塑机传感器数据及判断数据正常性的方法和系统。
技术介绍
1、随着注塑机智能化和自动化程度的不断提高，越来越多的传感器被集成到注塑机系统中。上述传感器负责监测注塑机的运行状态、工艺参数和安全性能，为注塑机提供如实时监控、故障预警、生产效率分析等多种智能功能。然而，传感器自身的性能和数据可靠性直接影响到注塑机系统的稳定运行。如果传感器本身存在故障、数据异常或精度下降，将会产生错误的数据输出，导致管理平台作出错误的判断和控制决策，可能引发产品质量问题或设备损坏。
技术实现思路
1、本申请实施例的主要目的在于提出验证注塑机传感器数据及判断数据正常性的方法和系统，以验证注塑机的传感器数据是否存在异常。
2、为实现上述目的，本申请实施例的一方面提出了验证注塑机传感器数据及判断数据正常性的方法，所述方法包括以下步骤：
3、通过多个传感器获取注塑机处于空闲状态时的数据分别作为不同的传感器数据；
4、对各个所述传感器数据进行聚类进而将聚类结果与预设的标准聚类模式进行对比，以对各个所述传感器数据进行偏差分析和异常检测，得到第一验证结果；
5、对各个所述传感器数据进行滤波进而将各个所述传感器数据与对应的历史数据进行对比，以检测潜在的异常模式，得到第二验证结果；
6、确定各个所述传感器数据之间的时间偏移，根据所述时间偏移对各个所述传感器数据进行时间同步进而对各个所述传感器数据进行误差分析以识别读数异常的所述传感器
7、根据各个所述传感器的状态数据、所述第一验证结果、所述第二验证结果和所述第三验证结果生成综合评估报告和推送预警信息。
8、在一些实施例中，所述通过多个传感器获取注塑机处于空闲状态时的数据分别作为不同的传感器数据，包括以下步骤：
9、通过多个所述传感器获取所述注塑机处于空闲状态时的数据作为初始数据；
10、对所述初始数据进行字段完整性校验，再将所述初始数据中所有时间标记统一转换为unix时间格式，并将所述初始数据的类型转换为目标数据类型，得到标准化数据；
11、计算所述标准化数据中每个变量的数据缺失率，对所述数据缺失率低于第一缺失阈值的所述变量采用高次多项式曲线拟合的方法进行数据补全；对所述数据缺失率高于第二缺失阈值的所述变量进行标记并剔除，并记录相关的警示信息，得到所述传感器数据。
12、在一些实施例中，所述对各个所述传感器数据进行聚类进而将聚类结果与预设的标准聚类模式进行对比，以对各个所述传感器数据进行偏差分析和异常检测，得到第一验证结果，包括以下步骤：
13、采用基于期望最大化的概率模型对各个所述传感器数据进行聚类；
14、计算聚类结果与所述预设的标准聚类模式之间的相似性度量，以对各个所述传感器数据进行偏差分析和异常检测，得到所述第一验证结果。
15、在一些实施例中，所述方法还包括以下步骤：
16、计算各个所述传感器数据的采样间隔、均值和方差，得到采用特性；
17、对所述采样特性进行标准化处理进而将各个所述传感器数据映射到零均值单位方差的正态分布空间中，然后根据各个所述传感器数据偏离中心数据范围的差值识别统计特征异常的所述传感器；
18、将识别为所述统计特征异常的所述传感器加入到所述第一验证结果。
19、在一些实施例中，所述对各个所述传感器数据进行滤波进而将各个所述传感器数据与对应的历史数据进行对比，以检测潜在的异常模式，得到第二验证结果，包括以下步骤：
20、采用基于贝叶斯估计的递归滤波算法对各个所述传感器数据进行动态状态估计，以滤除高频随机噪声；
21、将滤波后的各个所述传感器数据与对应的历史数据进行对比，以检测潜在的异常模式，得到所述第二验证结果。
22、在一些实施例中，所述方法还包括以下步骤：
23、评估同一所述注塑机上不同所述传感器之间的所述传感器数据的耦合性和协同变化程度，得到数据关联度；
24、对所述数据关联度低于关联度阈值的所述传感器，发出异常预警信息，提示存在功能失效或数据异常。
25、在一些实施例中，所述根据各个所述传感器的状态数据、所述第一验证结果、所述第二验证结果和所述第三验证结果生成综合评估报告和推送预警信息，包括以下步骤：
26、根据各个所述传感器的状态数据、所述第一验证结果、所述第二验证结果和所述第三验证结果评估各个所述传感器数据的统计显著性和置信区间，进而确定异常检测结果和生成对应的处理建议；
27、根据各个所述传感器的状态数据、所述第一验证结果、所述第二验证结果和所述第三验证结果生成数据趋势图、复杂网络关联分析图谱和基于异常点检测的可视化标记图；
28、根据所述异常检测结果、所述处理建议、所述数据趋势图、所述复杂网络关联分析图谱和所述基于异常点检测的可视化标记图生成所述综合评估报告；
29、当检测到各个所述传感器数据触发异常模式或指标突破设定的置信区间时，触发预警机制并向维护人员推送所述预警信息。
30、为实现上述目的，本申请实施例的另一方面提出了验证注塑机传感器数据及判断数据正常性的系统，所述系统包括：
31、数据获取单元，用于通过多个传感器获取注塑机处于空闲状态时的数据分别作为不同的传感器数据；
32、第一验证单元，用于对各个所述传感器数据进行聚类进而将聚类结果与预设的标准聚类模式进行对比，以对各个所述传感器数据进行偏差分析和异常检测，得到第一验证结果；
33、第二验证单元，用于对各个所述传感器数据进行滤波进而将各个所述传感器数据与对应的历史数据进行对比，以检测潜在的异常模式，得到第二验证结果；
34、第三验证单元，用于确定各个所述传感器数据之间的时间偏移，根据所述时间偏移对各个所述传感器数据进行时间同步进而对各个所述传感器数据进行误差分析以识别读数异常的所述传感器，得到第三验证结果；
35、评估与预警单元，用于根据各个所述传感器的状态数据、所述第一验证结果、所述第二验证结果和所述第三验证结果生成综合评估报告和推送预警信息。
36、为实现上述目的，本申请实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
37、为实现上述目的，本申请实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
38、本申请实施例至少包括以下有益效果：
39、本申请可以通过多个传感器获取注塑机处于空闲状态时的数据分别作为不同的传感器数据；对各个传感器数据进行聚类进而将聚类结果与预设的标准聚类模式进行对比，以对各个传感器数据进行偏差分析和异常本文档来自技高网...
【技术保护点】
1.验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述通过多个传感器获取注塑机处于空闲状态时的数据分别作为不同的传感器数据，包括以下步骤：
3.根据权利要求1所述的验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述对各个所述传感器数据进行聚类进而将聚类结果与预设的标准聚类模式进行对比，以对各个所述传感器数据进行偏差分析和异常检测，得到第一验证结果，包括以下步骤：
4.根据权利要求3所述的验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述方法还包括以下步骤：
5.根据权利要求1所述的验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述对各个所述传感器数据进行滤波进而将各个所述传感器数据与对应的历史数据进行对比，以检测潜在的异常模式，得到第二验证结果，包括以下步骤：
6.根据权利要求5所述的验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述方法还包括以下步骤：
7
8.验证注塑机传感器数据及判断数据正常性的系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述通过多个传感器获取注塑机处于空闲状态时的数据分别作为不同的传感器数据，包括以下步骤：
3.根据权利要求1所述的验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述对各个所述传感器数据进行聚类进而将聚类结果与预设的标准聚类模式进行对比，以对各个所述传感器数据进行偏差分析和异常检测，得到第一验证结果，包括以下步骤：
4.根据权利要求3所述的验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述方法还包括以下步骤：
5.根据权利要求1所述的验证注塑机传感器数据及判断数据正常性的方法，其特征在于，所述对各个所述传感器数据进行滤波进而将各个所述传感器数据与对应的历史数据进行对比，以检测潜在的异...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。